我对bufmgr.c 里的机理的粗浅理解

简介:

开始

bufmgr.c 中,对strategy_passes 与 next_passes 有判断处理的逻辑,

复制代码
        if ((int32) (next_passes - strategy_passes) > 0)
        {
            /* we're one pass ahead of the strategy point */
            bufs_to_lap = strategy_buf_id - next_to_clean;
#ifdef BGW_DEBUG
            elog(DEBUG2, "bgwriter ahead: bgw %u-%u strategy %u-%u delta=%ld lap=%d",
                 next_passes, next_to_clean,
                 strategy_passes, strategy_buf_id,
                 strategy_delta, bufs_to_lap);
#endif
        }
        else if (next_passes == strategy_passes &&
                 next_to_clean >= strategy_buf_id)
        {
            /* on same pass, but ahead or at least not behind */
            bufs_to_lap = NBuffers - (next_to_clean - strategy_buf_id);
#ifdef BGW_DEBUG
            elog(DEBUG2, "bgwriter ahead: bgw %u-%u strategy %u-%u delta=%ld lap=%d",
                 next_passes, next_to_clean,
                 strategy_passes, strategy_buf_id,
                 strategy_delta, bufs_to_lap);
#endif
        }
        else
        {
            /*
             * We're behind, so skip forward to the strategy point and start
             * cleaning from there.
             */
#ifdef BGW_DEBUG
            elog(DEBUG2, "bgwriter behind: bgw %u-%u strategy %u-%u delta=%ld",
                 next_passes, next_to_clean,
                 strategy_passes, strategy_buf_id,
                 strategy_delta);
#endif
            next_to_clean = strategy_buf_id;
            next_passes = strategy_passes;
            bufs_to_lap = NBuffers;
        }
复制代码

那么,到底运行的时候,会发生什么呢?

我给代码加上调试语句,看看 strategy_passes 和 next_passes 的值都是多少。

复制代码
    if (saved_info_valid)
    {
fprintf(stderr,"stragey_passes is %u ",stragegy_passes);
fprintf(stderr,"...next_passes is %u \n",next_passes);
int32 passes_delta
= strategy_passes - prev_strategy_passes; strategy_delta = strategy_buf_id - prev_strategy_buf_id; strategy_delta += (long) passes_delta *NBuffers; Assert(strategy_delta >= 0); if ((int32) (next_passes - strategy_passes) > 0) { ...... } else if (next_passes == strategy_passes && next_to_clean >= strategy_buf_id) { ...... } else { ...... } }
复制代码

还有

复制代码
    /* Execute the LRU scan */
    while (num_to_scan > 0 && reusable_buffers < upcoming_alloc_est)
    {
        int            buffer_state = SyncOneBuffer(next_to_clean, true);

        if (++next_to_clean >= NBuffers)
        {
            next_to_clean = 0;
fprintf(stderr,"----------next_passes++\n"); next_passes
++; } num_to_scan--; if (buffer_state & BUF_WRITTEN) { reusable_buffers++; if (++num_written >= bgwriter_lru_maxpages) { BgWriterStats.m_maxwritten_clean++; break; } } else if (buffer_state & BUF_REUSABLE) reusable_buffers++; }
复制代码

运行的结果

复制代码
strategy_passes is:0  ....next_passes is:0  
strategy_passes is:0  ....next_passes is:0  
strategy_passes is:0  ....next_passes is:0  
strategy_passes is:0  ....next_passes is:0  
strategy_passes is:0  ....next_passes is:0  
strategy_passes is:0  ....next_passes is:0  
strategy_passes is:0  ....next_passes is:0  
strategy_passes is:0  ....next_passes is:0  
strategy_passes is:0  ....next_passes is:0  
strategy_passes is:0  ....next_passes is:0  
strategy_passes is:0  ....next_passes is:0  
strategy_passes is:0  ....next_passes is:0  
strategy_passes is:0  ....next_passes is:0  
------------------next_passes++.
strategy_passes is:0  ....next_passes is:1  
strategy_passes is:0  ....next_passes is:1  
strategy_passes is:0  ....next_passes is:1  
strategy_passes is:0  ....next_passes is:1  
复制代码

刚运行的时候,哗哗出一堆 strategy_passes is:0  ....next_passes is:0

后来出来的行就慢一些,大概几秒一个。经过了 next_passes++ 的运算以后,next_passes 开始增长了。

通过监控可知,在 stragegy_passes = next_passes =0 的时间段里,进入 next_passes++ 之前,各个值如下:

 

next_passes next_to_clean strategy_passses strategy_buf_id strategy_delta bufs_to_lap
0 4080 0 0 0 16
0 4086 0 0 0 10
0 4092 0 0 0 4








本文转自健哥的数据花园博客园博客,原文链接:http://www.cnblogs.com/gaojian/archive/2012/11/01/2749250.html,如需转载请自行联系原作者

目录
相关文章
|
8月前
|
机器学习/深度学习 人工智能 自然语言处理
神经网络:模拟人脑以实现智能决策
神经网络作为模拟人脑神经元工作原理的模型,在人工智能领域发挥了重要作用。从图像识别到自然语言处理,神经网络在多个领域展现出强大的能力。随着技术的不断进步,神经网络有望在未来实现更高级别的智能决策,为人工智能的发展带来新的机遇和挑战。
92 1
神经网络:模拟人脑以实现智能决策
|
11月前
|
机器学习/深度学习 存储 算法
大脑带来的启发:深度神经网络优化中突触整合原理介绍
大脑带来的启发:深度神经网络优化中突触整合原理介绍
117 0
|
11月前
|
机器学习/深度学习 自然语言处理 算法
预测蛋白质间相互作用更准确、更细致,一个基于基因本体术语集的Transformer框架
预测蛋白质间相互作用更准确、更细致,一个基于基因本体术语集的Transformer框架
预测蛋白质间相互作用更准确、更细致,一个基于基因本体术语集的Transformer框架
|
11月前
|
机器学习/深度学习 计算机视觉
深度学习模型模拟大脑地形图,有助于回答大脑不同部分如何协同工作
深度学习模型模拟大脑地形图,有助于回答大脑不同部分如何协同工作
|
11月前
|
机器学习/深度学习 数据采集 人工智能
将理论注入深度学习,对过渡金属表面进行可解释的化学反应性预测
将理论注入深度学习,对过渡金属表面进行可解释的化学反应性预测
|
机器学习/深度学习 算法 测试技术
bioRxiv | 生物发现和设计的不确定性学习
bioRxiv | 生物发现和设计的不确定性学习
156 0
bioRxiv | 生物发现和设计的不确定性学习
|
机器学习/深度学习 自然语言处理 算法
Bioinformatics | 预测药物相互作用的多模式深度学习框架
Bioinformatics | 预测药物相互作用的多模式深度学习框架
256 0
Bioinformatics | 预测药物相互作用的多模式深度学习框架
|
机器学习/深度学习 人工智能 文字识别
PNAS | 基因调控之深度学习揭示免疫细胞分化的调节机制
PNAS | 基因调控之深度学习揭示免疫细胞分化的调节机制
146 0
PNAS | 基因调控之深度学习揭示免疫细胞分化的调节机制
|
机器学习/深度学习 算法 数据库
利用人类神经网络进行蛋白质设计
利用人类神经网络进行蛋白质设计
106 0
利用人类神经网络进行蛋白质设计